自我介绍

• 职业：中科院生态中心在读博士
• 专业：环境科学
• 研究方向：环境分析与毒理
• R龄：3年

问题描述

• 发生了一件事，如何定量描述它的影响力？

  • 描述性统计

• 我们能从影响力中得到什么？

  • 统计推断

影响力的描述

• 事件的网络描述

  • 新闻
  • 关键词

• 事件信息的出现，复制与再生

  • 出现意味着新闻播报，推送（被动）与浏览点击评论（主动）
  • 复制意味着转发与传播路径
  • 再生意味着基于第一次新闻的二次创作，信息解读与注释

类比文献计量学

• 谷歌PR值的来源：文献引文分析

• 文献计量学三定律

  • 布拉德福定律: 特定学科之最相关文献集中于少数的核心期刊之中
  • 洛特卡定律: 发现发表n篇论文的作者总数，是发表一篇论文作者总数的n平方分之一
  • 齐普夫定律: 发现字词的使用次数（f）与字词的使次数排名（r）之乘积，会等于常数C

• 类比网络事件

  • 网络事件一般出现在最主流平台（核心期刊）：百度，微信，微博，淘宝
  • 网络大V把持话语权，作者群长尾
  • 检索时避开高频词可有效屏蔽干扰

类比流行病学

• 三间分布

  • 时间：疾病的潜伏期，发病期，稳定期与恢复期
  • 空间：疾病的地域分布及其与地理因素间关系
  • 人群间：患者的共性与特性及与对照组的区别联系

• 类比网络事件

  • 时间：信息基线，高峰，衰减，基线回归
  • 空间：地域搜索量与传播渠道
  • 人群间：搜索人群的特征信息

影响力测算工具

• 搜索量

  • 百度指数
  • 谷歌趋势
  • 微指数
  • 淘指数
  • 好搜指数

• 传播行为

  • 北京大学 PKUVIS 微博可视分析工具
  • 微信公众号后台

关键词选择

• 报告全文提取高频词（失败）
  • 工具：http://timdream.org/wordcloud/
  • wordcloud包

• 专业词汇：褐煤 PM10 12306
• 热点词汇：PM2.5 柴静 环保部 空气净化器

Tips

• 掌握但不迷信工具
• 关键词选择要依赖专业知识，减少偏误
• 关键词要有识别度

时间分布

遗忘曲线与重复

• 为何柴静与崔永元都选择两会前放纪录片？
• 羊羊羊广告

事件持续时间

• 专业词汇回归基线

• 百度指数

• 微指数

• 基线的提升表明影响的持续存在

等峰形类比

• 等峰形事件往往持续时间成比例

空间分布

搜索地域选择

• 降水异常导致雨伞搜索指数的变化

常见干扰

• 经济发达程度（内生）
• 地域使用习惯（工具）
• 专业知识

人群间分布

人群画像（年龄 性别 兴趣爱好）

工具偏差与基线

媒体的作用

• 新闻事件媒体高峰提前于搜索高峰(px项目)

• SNS事件媒体高峰晚于搜索高峰(穹顶之下)

手机端与PC端

• 快消时代

• 峰宽背后的暗示

信息传播路径

长尾理论、利基人群与网络分析

信息反馈

• 定向与合作传播
• 持续传播
• 文本优化
• 商业营销

其他案例

• google flu
• 百度迁徙
• 新浪微博签到数据
• 微博用户影响力评价的H-Index指数
• 微博名人那些事儿
• 粉丝地图的可视化

个人经验

• 不论时间，空间还是人群考察，必须设定基线，否则无法对比
• 区别传统媒体与社交媒体：前者的受众偏被动，转发可能小；后者受众偏主动，转发可能大，用户年龄等与前者有明显区别
• 注意移动端与PC端的三间差异区别，移动端将是主流
• 类比思想很重要，站在别人的肩上看世界
• 数据上垃圾进垃圾出，关键词的选择要有可检验的假设

谢谢

• 数据就在身边！
• 工具使用参考工具官方主页的帮助文档
• 有疑问欢迎联系我